图挖掘技术概览

图挖掘技术思维导图

• 图匹配
  是比较图之间结构相似性的过程
  ​
  • 近似图匹配
    在数据图中搜索出与模式图在数据和节点与边属性上匹配的子图，允许噪声和错误，最大公共子图，最小公共超图来衡量两个图之间的相似程度
    ​
    • SUBDUE算法
    • LAW算法
• 图中关键字查询
• 频繁子图挖掘
• 显著性子图挖掘
• 密集子图挖掘
• 图的聚类
  • 图的剖分
    理论上是NP-hard的，通常研究的都是图的二剖分
  • 凝聚法
    寻找社团最中心的边，不断把最相似的两个点聚到一起
    凝聚法简单，但是两个点一旦合并就永远在一个社团中无法撤销，对单个点比较敏感​
    ​
    • 算法一：直接计算相似性
    • 算法二：看两个点合并到一起后模块度变化的情况Newman2004年提出的算法
  • 分裂法
    找出最有可能位于社团之间的边，把这些边去掉，就自然产生了不同社团
  • Louvain算法（综合最好算法）
    是基于模块度最优化的启发式算法，算法两层迭代，外层的迭代是自下而上的凝聚法，内层的迭代是凝聚法加上交换策略
  • Canopy算法+K-Means
  • 基于密度的快速聚类
    找出每个类的中心点，将剩余的点按一定策略分配到每个类中
• 图的分类
• 不确定图的挖掘